Ford снова привлек к работе 350 опытных инженеров, часть из которых ранее уже работала в компании. Причина — искусственный интеллект не смог выйти на тот уровень контроля качества, которого ожидал автопроизводитель.
По данным Bloomberg, Ford рассчитывал, что ИИ сможет анализировать проектные требования и помогать выпускать автомобили с более высоким качеством. Однако в компании признали, что недооценили опыт инженеров, которые прошли через несколько поколений моделей и хорошо понимают реальные производственные проблемы.
Вице-президент Ford по разработке автомобильного оборудования Чарльз Пун прямо заявил, что компания ошиблась, полагая, будто достаточно загрузить в ИИ проектные требования, чтобы получить качественный продукт. По его словам, в последние годы Ford недостаточно внимательно относился к знаниям своих самых опытных специалистов. 
Теперь этих инженеров используют как наставников. Они должны обучать молодых сотрудников и одновременно помогать перенастраивать системы искусственного интеллекта, чтобы те лучше справлялись с проверкой качества. То есть люди вернулись не вместо ИИ, а вместе с ним.
Ford активно внедряет автоматизированный контроль качества. На производстве уже используются 900 камер с ИИ, которые ищут дефекты и отклонения. При этом для компании тема качества особенно болезненна: в 2025 году Ford установил антирекорд по количеству отзывных кампаний.
Есть и положительные сигналы. В 2026 году компания идёт к меньшему числу отзывов, а в исследовании J.D. Power Initial Quality Study Ford занял первое место среди массовых брендов. Однако проблема не решена полностью: даже если отзывов станет меньше, число затронутых автомобилей к концу года может оказаться высоким.
Глава Ford Джим Фарли утверждает, что возвращённые инженеры уже помогают компании экономить «сотни миллионов долларов». При этом сам Фарли ранее говорил, что искусственный интеллект в перспективе может заменить половину офисных сотрудников.
История Ford хорошо показывает, что ИИ пока не заменяет инженерный опыт полностью. Он может ускорять проверки и находить часть ошибок, но в сложном производстве знания людей, которые годами видели реальные дефекты и причины их появления, всё ещё остаются критически важными.
